Diskussion zum Artikel "Mit Boxplot saisonale Muster von Finanzzeitreihen erforschen" - Seite 30
Sie verpassen Handelsmöglichkeiten:
- Freie Handelsapplikationen
- Über 8.000 Signale zum Kopieren
- Wirtschaftsnachrichten für die Lage an den Finanzmärkte
Registrierung
Einloggen
Sie stimmen der Website-Richtlinie und den Nutzungsbedingungen zu.
Wenn Sie kein Benutzerkonto haben, registrieren Sie sich
Das ist nicht der Fall. Wenn Sie zu den Stichproben irgendwelche Zahlen hinzufügen (oder multiplizieren), ändern sich die Mediane entsprechend, aber der Korrelationskoeffizient ändert sich nicht.
Dann verstehe ich nicht, worum es geht. Ich verstehe es nicht.
Sie müssen nur ein wenig über bedingte und unbedingte Verteilungen wissen. Wenn sie nicht übereinstimmen, ist es möglich, einen Zufallswert aus dem Wert des anderen vorherzusagen.
Sie müssen nur einen kleinen Einblick in die Konzepte der bedingten und unbedingten Verteilungen bekommen. Wenn sie nicht übereinstimmen, ist es möglich, eine Zufallsvariable durch den Wert einer anderen vorherzusagen.
Hier ist der nächste Schritt in der Studie mit OLAP. Die Kovarianz von 2 zusammenhängenden Balken nach Stunden des Tages wurde geschätzt.
EURUSD-Daten für die Zeitrahmen 2019, H1 und M15:
Der bedingte Gewinnfaktor des Aggregators wurde wie zuvor berechnet. Wenn zwei Balken in dieselbe Richtung gehen, ist das Produkt positiv und PF > 1, bei multidirektionalen Balken ist das Produkt negativ und PF < 1. Sortierung nach PF-Wert, um die für den Handel optimalen Stunden für die Fortsetzung des vorherigen Balkens und die Umkehrung leichter zu erkennen.
Hier ist der nächste Schritt in der Studie mit OLAP. Wir schätzten die Kovarianz von 2 benachbarten Balken nach Tageszeit.
EURUSD-Daten für die Zeitrahmen 2019, H1 und M15:
Der bedingte Gewinnfaktor des Aggregators wurde wie zuvor berechnet. Wenn zwei Balken in dieselbe Richtung gehen, ist das Produkt positiv und PF > 1, bei multidirektionalen Balken ist das Produkt negativ und PF < 1. Sortierung nach PF-Wert, um die für den Handel optimalen Stunden für die Fortsetzung des vorherigen Balkens und die Umkehrung leichter zu erkennen.
Manchmal sind Korrelationen in Gruppen zusammengefasst, zum Beispiel für die letzten 5 Jahre.
Korrelationsabfall >0,9
Diese Gruppe von 0-4 Stunden ist immer kühl, dann gibt es Gruppen an der europäischen Sitzung für 2-3 Stunden in einer Reihe. Bei der amerikanischen Sitzung ist es normalerweise schlecht.
Mein Gehirn weigert sich, vor dem neuen Jahr zu arbeiten, ich verstehe nicht, wie man einen guten visuellen statistischen Test der Vorhersagefähigkeit dieser Phänomene macht, um es schön zu machen.
Das Gehirn weigert sich, vor dem neuen Jahr zu arbeiten, ich verstehe nicht, wie man eine gute visuelle stat Test der prädiktiven Fähigkeit dieser Phänomene zu machen, so dass die Schönheit der
Voraussagend bedeutet nur in eine Richtung: von der Vergangenheit in die Zukunft. Daher stellt sich die Frage, ob es möglich ist, bei der Korrelationsberechnung nur die Produkte der Zählungen für Indizes unter der Bedingung i > j zu berücksichtigen? Veranschaulichen Sie dies auf die gleiche Weise.
Prädiktiv bedeutet nur in eine Richtung: von der Vergangenheit in die Zukunft. Daher stellt sich die Frage, ob es möglich ist, bei der Berechnung der Korrelation nur die Produkte der Zählungen für Indizes unter der Bedingung i > j zu berücksichtigen? Veranschaulichen Sie dies auf dieselbe Weise.
Haben Sie eine Idee, was man davon in 3D visualisieren kann? Ich wollte diesen Trick gleichzeitig in Python beherrschen. Da kann man sehr schön verdrehen und drehen. Wer will, kann dann die 3D mql kanvas in 3D mql umwandeln, viel Glück dabei )).
Das ist wie bei Boxplots, wenn man ein Diagramm dreht, ragen andere Boxplots seitlich heraus)).
Ich habe die These unserer Gegner überprüft, dass die Korrelation bei sich überschneidenden Stichproben falsch ist.
Eigentlich habe ich sie nicht speziell überprüft, sondern die statistische Studie wie geplant fortgesetzt, die Überprüfung ist folglich
Inkremente mit einer Verzögerung von 24h. (Tag), betrachten Sie die Korrelation der Stunden >0,9.
Wir nehmen ein paar Intervalle mit hoher und niedriger Korrelation, prognostizieren den nächsten Schlusskurs und vergleichen mit den Tatsachen. schließen
Für gut korrelierte Uhren:
0-1
2-3
Für schlecht korrelierte Uhren:
16-17
22-23
Ich werde die Logik noch einmal überprüfen, aber es scheint sich um eine direkte Korrelation zu handeln, obwohl die Korrelation der reinen Vorhersagen schlechter aussieht als die Korrelation der Inkremente (wahrscheinlich aufgrund der Fehler der Korrelation selbst).
Ich habe die These der Gegner überprüft, dass die Korrelation bei sich überschneidenden Stichproben falsch ist.
Sie lügt nicht, sie ist bei sich überschneidenden Stichproben per Definition groß. Sie hat keinen Sinn, denn der Wert des vorhergesagten Inkrements wird von der langen gemeinsamen Fläche absorbiert und trägt keine Information.
Vergleicht man einstündige Inkremente (eigentlich auf einem Balken, ohne Überschneidungen) mit einem Schritt von 24 Stunden, erhält man eine Schätzung der täglichen Schwankungen. Wir erhalten in etwa das Gleiche wie im Artikel - einige Boxplots/Stunden zeigen eine statistische Handelsmöglichkeit.
Sie lügt nicht, denn sie ist bei sich überschneidenden Stichproben per Definition groß. Es hat keinen Sinn, denn der Wert des vorhergesagten Zuwachses wird von der langen gemeinsamen Darstellung absorbiert und enthält keine Informationen.
Vergleicht man einstündige Inkremente (eigentlich auf einem Balken, ohne Überschneidungen) mit einem Schritt von 24 Stunden, erhält man eine Schätzung der täglichen Schwankungen. Wir erhalten in etwa das Gleiche wie in dem Artikel - einige Boxplots/Stunden zeigen eine statistische Handelsmöglichkeit.
Ok, Sie sind dran )), zuerst werde ich überprüfen, was ich mit dem Bot gemacht habe, dann werde ich mir die nicht überlappenden ansehen.
Tatsache ist, dass er bei überlappenden Stichproben bei weitem nicht immer groß ist, und er zeigt genau die gleichen Cluster, die ich zuvor durch Boxplots gefunden habe, nur von der Seite.